使用 Keras 进行二元分类时，测试损失不会改善答案

【问题标题】：Testing Loss won't improve when doing Binary Classification using Keras使用 Keras 进行二元分类时，测试损失不会改善
【发布时间】：2018-11-05 10:42:42
【问题描述】：

我有一个包含 65 个特征和 2 个标签的数据集，并且想要执行二进制分类。

问题是测试损失不会提高，测试精度也不会提高。

训练损失与测试损失

训练准确性与测试准确性

代码

model = Sequential()
model = Sequential()
model.add(Dense(10, activation='relu', input_dim=n_features))
model.add(Dropout(0.5))
model.add(Dense(2, activation='softmax'))
model.compile(loss='binary_crossentropy', optimizer='adam',metrics=['acc'])

数据集高度不平衡 (1:30)
如何改进我的模型？

【问题讨论】：

标签： python machine-learning keras

【解决方案1】：

Softmax 和二元交叉熵不是正确的匹配，要正确使用 softmax，您应该使用 categorical_crossentropy 损失。如果您想继续使用二元交叉熵，您应该在输出端使用 sigmoid 激活，使用单个神经元（而不是两个）。

【讨论】：

将尝试这个并相应地将这个答案标记为正确的答案。
你是个天才！如果您可以分享链接以了解为什么 softmax+categorical 不是一个好的组合，那就太好了